麻省理工学院 - MIT - 线性代数(我愿称之为线性代数教程天花板)_哔哩哔哩_bilibili
MIT—线性代数笔记00 - 知乎 (zhihu.com)
一、正定矩阵
给定一个2x2矩阵 A= ,有四个途径判定矩阵是否正定矩阵:
- 特征值: λ1>0,λ2>0;
- 行列式(所有子行列式): ,;
- 主元: ,
- 表达式 (x=0除外)。通常这就是正定的定义,而前三条是用来验证正定性的条件。
半正定矩阵
矩阵正好处在判定为正定矩阵的临界点上,称之为半正定矩阵,它具有一个特征值0,是奇异矩阵,只有一个主元,而行列式为0。半正定矩阵特征值大于等于0。
设A为实对称矩阵,若对于每个非零实向量X,都有X'AX≥0,则称A为半正定矩阵,称X'AX为半正定二次型。(其中,X'表示X的转置。)
若对于每个非零实向量X,都有X'AX>0,则称A为正定矩阵,称X'AX为正定二次型。
(正定是大于,半正定是大于等于)
正定矩阵和最小值
如果将矩阵变为,二次型为,从几何图像上看没有最小值点,在原点处有一鞍点。鞍点在某个方向上看是极大值点,在另一方向上是极小值点,实际上最佳观测角度是特征向量的方向。
如果将矩阵变为,主元为正;特征值之积为行列式的值4,特征值和为矩阵的迹22,因此特征值为正;子行列式均为正。矩阵为正定矩阵。
二次型 ,其图像最小值点为原点,一阶偏导数为0,二阶偏导数为正。
微积分中判定最小值点的判据:一阶导数等于零 ,二阶导数为正 。线性代数中判据为二阶导数矩阵正定。
主元就是平方项系数,L矩阵中的行操作数 就是配方项内y的系数。因此这就是为什么主元为正则矩阵为正定矩阵,因为主元是每一个完全平方项的系数。本例中二次型表达式的配方说明了二维的情形,而线代的理论可以将之推广到n维。
正定的作用
【正定】矩阵的应用、判别法证明与【Cholesky分解】_哔哩哔哩_bilibili
正定:唯一全局最小值
半正定:最小值不唯一
不定:无最小值
二、相似矩阵
如何通俗地理解相似矩阵_哔哩哔哩_bilibili
A和B均是nxn方阵,若存在可逆矩阵M,使得 ,则A和B为相似矩阵。
相同点:这两个方阵是同一个线性映射,在不同基下的代数表达;
线性映射是将一个向量映射到另一个向量,
相似矩阵具有相同的特征值;
文章来源:https://www.toymoban.com/news/detail-496810.html
文章来源地址https://www.toymoban.com/news/detail-496810.html
到了这里,关于线性代数——理解向(5)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!